-
公开(公告)号：CN108038905A
公开(公告)日：2018-05-15
申请号：CN201711421006.6
申请日：2017-12-25
Applicant: 北京航空航天大学
CPC classification number: G06T17/00 , G06T3/4053 , G06T7/10
Abstract: 本发明提供一种基于超像素的目标重建方法，该方法由从运动到结构的投影矩阵估计、超像素下多视图立体视觉匹配以及深度图的合成与融合组成,具体流程包括六大步骤，步骤一：读入图像序列，利用运动到结构方法SFM估计相机投影矩阵；步骤二：对图像对进行超像素分割；步骤三：为每个超像素计算可能的深度值；步骤四：利用MRF模型选择超像素的最优深度值；步骤五：建立多尺度超像素框架；步骤六：深度图融合与表面网格化。本发明克服了基于超像素的立体视觉匹配精度不足的缺点，并利用其对噪声与亮度偏差鲁棒性强、能够准确提供目标轮廓信息以及计算复杂度小的优点，针对纹理区域及无纹理区域均可实现较好的重建结果，普适性强，具有广阔的应用背景。
-
公开(公告)号：CN108009594A
公开(公告)日：2018-05-08
申请号：CN201711419380.2
申请日：2017-12-25
Applicant: 北京航空航天大学
CPC classification number: G06K9/6229 , G06N3/0454 , G06N3/08
Abstract: 本发明涉及一种基于变分组卷积的图像识别方法，针对目前的基于深度卷积神经网络的图像识别算法中存在的过拟合问题，采用随机通道组合的思路，对于每个处理层，首先对输入特征图进行通道拆分，然后再进行通道组合排列，为每个卷积核分配不同的通道组合，最后计算该层的卷积激活特征图，本发明可以有效提高特征提取中的同层数据随机化程度，降低模型参数发生过拟合的可能性，从而提高卷积神经网络在图像检索、图像匹配等问题中的性能。
-
公开(公告)号：CN107895357A
公开(公告)日：2018-04-10
申请号：CN201711419415.2
申请日：2017-12-25
Applicant: 北京航空航天大学
CPC classification number: G06T5/003 , G06T5/50 , G06T2207/10024 , G06T2207/20221
Abstract: 本发明涉及一种基于FPGA的实时水面浓雾场景图像增强方法，包括以下步骤：第一，对输入图像进行自动白平衡校正；第二，对白平衡校正之后的数据进行色彩空间变换；第三，利用暗原色先验理论，估计大气光强A与透射率t(x)；第四，对RGB三个通道数据分别进行去雾处理；第五，对去雾之后的RGB通道进行亮度校正；第六，对自动白平衡校正之后的图像进行细节保持的对比度增强；第七，对第五步和第六步得到的图像进行图像融合；第八，对融合之后的图像进行色彩空间逆变换，由RGB色彩空间变为原始输入的色彩空间。本发明具有针对水面浓雾场景的去雾效果，可以显著增强图像细节和对比度，增强了在水面浓雾的情况下发现和识别目标的能力，使视频更适宜人眼观看。
-
公开(公告)号：CN101424551A
公开(公告)日：2009-05-06
申请号：CN200810227800.1
申请日：2008-11-28
Applicant: 北京航空航天大学
Abstract: 一种主动视觉非接触式伺服机构参数测量装置，它由测量屏幕、伺服机构安装平台、图像采集和处理系统、红光激光光源构成；在待测伺服机构上装有红光激光光源，它置于伺服机构安装平台上并安放在测量屏幕前，在它后方放置有数字摄像机对屏幕成像；该装置首先通过摄像机拍摄测量屏幕上的棋盘格图案，对摄像机标定；然后由伺服机构控制主机发出命令控制待测伺服机构转动，计算机提取图像中激光点坐标，结合摄像机标定的结果，实时计算并记录待测伺服机构在每个时刻的转角，由转角计算出角速度、指向精度、超调量等待测伺服机构的运动参数；该测量方法简便、灵活，该装置和测量方法通过无接触的方式，实现了对二轴伺服机构的运动参数的实时高精度测量。
-
公开(公告)号：CN118674905B
公开(公告)日：2025-01-24
申请号：CN202410885014.X
申请日：2024-07-03
Applicant: 北京航空航天大学
Abstract: 本发明公开了一种基于空间耦合的3D高斯泼溅技术的视角合成方法，本方法中多尺度网格化模块结构用于将点云进行不同尺度下的规则化，网格中心点作为初始化控制点来指导局部3D高斯的生成情况；控制点本身有自己的可学习特征向量作为局部上下文特征，局部位置感知模块将其与当前局部空间的3D高斯位置特征进行融合；3D高斯属性解码模块使用融合特征推理估计控制点生成的3D高斯属性；冗余点剪裁模块根据优化过程中的规则设置对不符合规则的控制点进行剪裁；可微光栅化模块根据指定的相机内外参，将3D高斯投影到2D图像空间中进行渲染，得到该视角下的新视角合成结果。本发明用于解决3D高斯表征下优化收敛慢、易产生较多冗余高斯的问题。
-
Patent Agency Ranking
公开(公告)号：CN118710524A
公开(公告)日：2024-09-27
申请号：CN202410802086.3
申请日：2024-06-20
Applicant: 北京航空航天大学
IPC: G06T5/60 , G06N3/045 , G06N3/044 , G06N3/0464 , G06N3/0475 , G06N3/088
Abstract: 本发明提出了一种基于多模态引导循环生成网络的低照度图像增强方法。将真实正常光照图像送入低照度图像生成网络得到合成低照度图像，将真实低照度图像经过预处理网络后送入低照度图像增强网络得到合成正常光照图像，再利用多模态教师模型中的图像/文字编码器，对生成结果进行编码得到特征向量，利用特征向量对低照度图像增强/生成网络图像增强前后一致性、图像增强效果等方面进行评价，指导低照度图像增强/生成网络得到更好的结果。该方法在保证了较低的网络复杂度和计算消耗的同时，无监督的训练方法摆脱了对配对训练数据的依赖，多模态信息的加入使低照度图像增强网络能够适应多种不同真实低照度环境，实现了较好的图像增强效果。
-
公开(公告)号：CN115761393B
公开(公告)日：2024-07-23
申请号：CN202211274975.4
申请日：2022-10-18
Applicant: 北京航空航天大学
IPC: G06V10/774 , G06V10/40 , G06V10/764 , G06V10/766 , G06V10/44 , G06V10/80 , G06V10/82 , G06T7/246 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于模板在线学习的无锚目标跟踪方法，包含特征提取模块、新型无锚三分支网络模块以及模板在线学习模块。其中特征提取模块使用ResNet50特征提取网络提取深度特征；新型无锚三分支网络模块包含分类分支、偏移分支和尺度分支，用于精确预测目标当前位置和尺度；模板在线学习模块综合使用轮廓检测网络和目标检测网络进行实时准确的目标模板更新。相比于现有技术，本发明提出的目标跟踪算法具有更高的跟踪精度，同时保证了算法的实时性。
-
公开(公告)号：CN115942072B
公开(公告)日：2024-07-16
申请号：CN202211462717.9
申请日：2022-11-21
Applicant: 北京航空航天大学
Abstract: 本发明提供了一种双处理器架构下的任意曝光时长图像采集装置及方法，包括图像采集板、副处理板和主处理板，其中，图像采集板用于采集可见光图像；副处理板用于图像编解码和图像预处理；主处理板为整个系统供电、对图像进行处理和进行数据通信。本发明能够提供一种双处理器架构下的任意曝光时长图像采集装置。可以根据指令对CMOS传感器曝光时间进行准确控制，能够在采集图像数据后快速进行解码、处理和传输，图像传输速度快，延时低，整个装置结构紧凑，操作简单，可重构，适应性好、稳定性强。
-
公开(公告)号：CN118262213A
公开(公告)日：2024-06-28
申请号：CN202410353719.7
申请日：2024-03-27
Applicant: 北京航空航天大学
IPC: G06V10/82 , G06V10/44 , G06V10/80 , G06V10/77 , G06N3/0464
Abstract: 本发明公开了一种基于频域‑时域特征关联重塑的目标检测方法。本发明设计了一种同时在时域和频域上联合处理图像特征的神经网络。该网络一方面通过离散余弦变换和逆离散余弦变换完成时域和频域之间特征的转换和融合，在利用频域处理的优势的同时避免了时域特征和频域特征的混合；另一方面设计了一种特殊的频域下采样方法完成了和时域平均池化等效的频域下采样，在保留了不同频率中信息的同时可以高效地运行。通过这两种特殊设计，该网络得以很高的效率提取高质量的图像特征，进而提升后续目标检测任务的准确性。
-
公开(公告)号：CN115578255B
公开(公告)日：2024-06-21
申请号：CN202211158384.0
申请日：2022-09-22
Applicant: 北京航空航天大学
IPC: G06T3/4069
Abstract: 本发明涉及一种基于帧间亚像素块匹配的超分辨率重建方法，对于给定的彩色或灰度低分辨率图像序列，通过融合多帧图像的信息得到单张分辨率提高的彩色或灰度高分辨率重建图像，本发明基于序列图像帧间的信息差异，采用像素块匹配的方式，对图像序列进行亚像素运动估计以及相似特征融合，重建得到高分辨率图像的估计，最后对得到的高分辨率图像进行迭代去模糊去噪，实现了图像的分辨率的有效提高。
-
-
-
-
-
-
-
-
-
Search Results
181
records
(took 0.064 seconds)
